Retrieval-Augmented Generation (RAG)

Bei der Retrieval-Augmented Generation (RAG) ruft ein System relevante Informationen aus einer gewählten Quelle ab – etwa einer Produktdokumentation oder Datenbank – und übergibt sie dem Modell, das damit eine Antwort erzeugt. Das Verfahren gibt es, weil das eingebaute Wissen eines Modells mit dem Training feststeht und private, interne oder aktuelle Informationen fehlen können. Die Qualität hängt vom abgerufenen Material ab und davon, wie genau das Modell es nutzt.

In retrieval-augmented generation (RAG), a system retrieves relevant information from a chosen source, such as product documentation or a database, and gives it to the model to use in generating an answer. It exists because a model’s built-in knowledge is fixed at training time and may not include private, proprietary or recent information. Answer quality depends on both the retrieved material and how accurately the model uses it.